摘要：Coinsuper详解API量化课程中的量化学习，实现资产的更高效、更理性配置“量化学习之算法篇”Quantopian曾经发布过一笔数百万美元的资金分配，用于从Quantopian社区众包的算法，金额

Coinsuper详解API量化课程中的量化学习，实现资产的更高效、更理性配置

“量化学习之算法篇”

Quantopian曾经发布过一笔数百万美元的资金分配，用于从Quantopian社区众包的算法，金额从10万美元到300万美元不等。

该算法由来自世界各地的开放作者社区提交，资金分配给了八个国家的作者，其中包括澳大利亚，加拿大，中国，哥伦比亚，印度，西班牙和美国。

这八个算法均在Medium上公布，它们分别是：

·Zack’s Long-Short PEAD with News Sentiment and the Street’s Consensus (LIVE TRADING)

·Zack’s Long PEAD with News Sentiment

·Are Earnings Predictable with Buyback Announcements? (LIVE TRADING)

· Reversals During Earnings Announcements (LIVE TRADING)

·Clenow Momentum Strategy (as Amended)

·VIX Robinhood Momentum Strategy (LIVE TRADING)

·JAVoIS: Just Another Volatility Strategy (LIVE TRADING)

101 Alphas Project: Alpha# 41

它们都有几个共同点：

1）展示出持续盈利的回测；

2）使用广泛的股票并广泛分配资本，而与任何特定的股票或行业无关；

3）与市场无关；

4）符合Quantopian团队规定的标准；

要知道，选用不同的量化交易算法所带来的组合收益截然不同。接下来的课程中我将简要介绍每一种算法。

 ALGO - 1 ：Zack’s Long-Short PEAD

根据Quantpedia的说法，“ 盈余公告后的涨幅，即PEAD是指股票在公布正收益后几周（甚至数月）内累积的异常收益出现漂移的趋势。” 

Algos的Quantopian进行了多次迭代，旨在使用不同的数据集，不同的保留时间并从各种Universe开始浏览PEAD。

这是一个有趣的算法，它使用多个数据源，根据盈余公告在多头和空头位置上浮动。

PEAD（Post-earnings announcement drift）是指在盈余公告后几周（甚至数月）内，股票累计异常收益的浮动趋势。

这是一个学术上有据可查的异常，由Ball和Brown于1968年首次发现，此后，它已被许多国际市场学者研究和证实。

有多种方法可以定义盈余惊喜（或以对盈余有积极反应的方式过滤股票）：例如盈余高于分析师的预期，盈余高于某些平均盈余、盈余公布期间的股价升值高于预期。

每个因素都显示出对股票未来收益的强大预测能力，我们从源论文中提出了一种与此异常有关的策略。该策略以多头-空头的形式提出，但是大多数收益来自多头，因此将其作为多头实施不是问题。研究还表明，主要的业绩贡献者是小盘股。

Zacks提供了十年的滚动收益意外历史记录，包括历史收益报告日期，截至报告日期的估计每股收益，每股收益估计的标准差，已报告的每股收益实际值以及估算和实际值之间的美元和百分比之间的计算出的意外差额条款。

根据Zacks BNRI方法，将对所有股票的非经常性项目和股票期权费用调整所有EPS数据。意外数字是根据EPS估算值与报告的实际值之间的差计算得出的。

重大意外数字可能会在收益报告发布后的一到两周内对股价产生上下波动的影响。可以通过将意外数字的大小与收益报告发布后几天的股价走势进行比较来找到Alpha。

关键指标：

eps_mean_est：该期间的每股收益（EPS）的平均估算值

eps_act：该期间的实际每股收益（EPS）

eps_amt_diff_surp：该期间的每股收益（EPS）意外值

eps_pct_diff_surp：该期间的每股收益（EPS）意外百分比

act_rpt_code：实际报告时间代码

三年的回溯测试产生了70％的回报，Sharpe＆Sortino在范围内

交易员Robb在最近2.5年，AUM $ 100K的条件下进行回测的Algo结果如下：

总回报率：70.4％

基准回报率：52.7％

Alpha：0.2

Beta：-0.17

Sharpe：1.19

Sortino：1.81

波动率：0.19

最大跌幅：-17.4％